Hugging Face

Hugging Face wird oft als GitHub für Machine Learning beschrieben. Forschende und Unternehmen laden Modelle und Datensätze in den Hub hoch. Alle können sie durchsuchen, Dokumentation lesen und herunterladen. Wird ein offenes Modell veröffentlicht – ob Sprachmodell, Bildgenerator oder Sprachsystem –, erscheint es fast immer zuerst dort. Jede Modellseite enthält eine Karte mit Beschreibung, Trainingsinformationen und Nutzungshinweisen sowie Diskussionen aus der Community.

Das Unternehmen entwickelt auch die Software rund um den Hub. Die Bibliothek Transformers ist der Standard zum Laden und Ausführen von Modellen in Python. Weitere Bibliotheken unterstützen Datensätze, Training, Fine-Tuning und effiziente Inferenz. Mit Spaces veröffentlichen Nutzer:innen interaktive Demos im Browser, von denen viele kostenlos ausprobiert werden können. Inference Providers und Inference Endpoints ermöglichen API-Aufrufe oder Bereitstellung auf dedizierter Hardware. Der Hub bietet außerdem Bestenlisten zum Modellvergleich.

Durchsuchen und Herunterladen sind kostenlos. Bezahlte Tarife ergänzen private Repositories, mehr Rechenleistung für Spaces, Teamfunktionen und Enterprise-Steuerungen. Da alle Inhalte hochladen können, variieren Qualität und Lizenzen. Lies daher die Lizenz, prüfe die Modellkarte und sei bei Dateien aus unbekannten Quellen vorsichtig. Zum Lernen, Experimentieren und Finden offener Modelle ist Hugging Face der richtige Startpunkt. Replicate und Together AI bieten gehostete Inferenz; Kaggle überschneidet sich bei Datensätzen und Notebooks.